Friday
AI
訓練效率的新典範：微軟 Lens 如何以 19% 算力超越 FLUX 與 SD3
微軟開源 3.8B 參數文字生成圖像模型 Lens，僅用競品 19.3% 的訓練算力，在 GenEval、DPG-Bench 等基準上達到或超越 FLUX 與 SD3，核心在於高密度標注數據集 Lens-800M 與混合解析度訓練策略。
更多 →AI
Qwen3 混合推理模式：開源模型首次系統性超越封閉前沿的能力邊界
阿里雲 Qwen3 首創思考/非思考雙軌推理架構，以 30B MoE 達成 3B 的推論成本與 30B+ 的智能品質，在 AIME 數學競賽題上以 85.7% 遠超 GPT-4o 的 9.3%，重新定義開源模型的能力天花板。
更多 →AI
EAGLE-2：動態草稿樹讓 LLM 推論加速 4 倍而不失精度
EAGLE-2 透過自適應動態草稿樹，在保持輸出分佈完全等價的前提下，實現了語言模型 3.5 到 5 倍的推論加速，為邊緣部署與雲端降本開闢新路徑。
更多 →AI
強化學習不只是推理的魔藥：它也能喚醒 LLM 遺忘的知識
最新研究顯示，強化學習訓練能讓 LLM 在零樣本閉卷問答中召回率提升 27%，機制並非習得新知識，而是重新分配已存在的機率質量。
更多 →AI
千題勝萬題：s1 如何用 1,000 筆資料逼平 OpenAI o1 的推理能力
Stanford 團隊以 1,000 筆精選數學問題微調 Qwen2.5-32B，配合「Budget Forcing」測試時算力控制技術，讓 s1-32B 在 MATH500 達到 96.4% 媲美 o1-preview，打破規模即真理的假設。
更多 →AI
從雜訊到文字：擴散語言模型的崛起與自迴歸正典的挑戰
掩碼擴散語言模型（如 LLaDA）首次證明非自迴歸架構可在語言生成上逼近 GPT，重新定義 AI 文字生成的可能邊界。
更多 →AI
Mamba 2 徹底解構：當狀態空間模型與 Attention 機制殊途同歸
Mamba 2 透過結構化狀態空間對偶性理論，從數學層面證明 SSM 與 Transformer 的等價關係，以 2-8 倍訓練加速挑戰 Attention 統治地位。
更多 →AI
當 AI 開始做科學研究：SciResearcher 如何讓 LLM 真正懂前沿科學
SciResearcher 提出全自動科研代理框架，突破 LLM 在前沿科學領域的知識瓶頸，首次讓模型同時掌握資訊獲取、工具整合推理與長程規劃。
更多 →AI
Phi-4：資料品質取代規模的微軟新賭注
微軟 Phi-4 以 140 億參數挑戰千億大模型，核心祕密在於大規模合成資料生成，重新定義 AI 模型效率的上限。
更多 →AI
AI 記憶的進化論：從 RAG 到長期記憶系統的技術全景
當 LLM 的記憶不再只是上下文視窗，Titans 等新架構正在重塑 AI 代理的能力邊界。
更多 →AI
從 RLHF 到 DPO：AI 對齊訓練的技術革命與下一步
DPO 以單一目標函數取代複雜的強化學習流程，正在重塑 AI 對齊訓練的標準範式，但其邊界條件與後繼方法揭示了更深層的技術張力。
更多 →AI
從源頭重塑：Meta FAIR 把安全寫進預訓練，HeavySkill 讓推理端的腳手架變成天賦
Meta FAIR 用已對齊的強模型充當預訓練裁判，把真實性、安全性直接內建進權重基礎，同期 HeavySkill 則把平行推理加刻意審議訓練成可遷移天賦——AI 改進的兩端正在同步被攻克。
更多 →AI
讓 VLM 學會「凝視」：GazeVLM 用主動注意力破解高解析度推理瓶頸
GazeVLM 讓視覺語言模型自主生成凝視標記、控制注意力焦點，在高解析度基準測試上以 4B 參數超越同規模 SOTA 約 4%，且計算開銷更低。
更多 →AI
70B 模型打敗 GPT-4o：AgentFlow 如何用強化學習重新定義 AI 代理的邊界
Stanford 的 AgentFlow 以 70 億參數模型在 10 項基準超越 GPT-4o，Flow-GRPO 訓練法解決了多步驟代理的長期稀疏獎勵難題。
更多 →LLMAnalysisBenchmarkCoding Agent
SWE-bench 的數字為什麼不可信：AI 程式碼 Agent 的基準測試危機
SWE-bench 分數在兩年內從 3% 飆到 60%+，但這個數字代表的，可能不是你以為的那件事。
更多 →Tech
Single-Agent First：當 AI 架構辯論重演了微服務的歷史
Single-Agent vs. Multi-Agent 的架構之爭，幾乎是微服務革命的逐格重映。從通訊成本、狀態管理到過度工程，這兩場辯論踩到的坑一模一樣——而軟體工程的教訓告訴我們，答案是「先別拆」。
更多 →AI
思維鏈不需要人類監督：DeepSeek-R1 如何用純強化學習重塑 AI 推理
DeepSeek-R1 透過群體相對策略優化（GRPO）讓模型自發學會長鏈推理，挑戰了「推理能力必須靠人工標注思維鏈才能習得」的主流假設。
更多 →AI
單一 Agent 勝過多 Agent？資訊理論揭露多代理架構的根本悖論
等量推理預算下，單一 LLM Agent 在多跳推理任務上系統性勝出多 Agent 架構，業界流行的「多代理即更強」假設首度被資訊理論嚴格推翻。
更多 →AI
RL 其實沒在教 LLM 新技能？稀疏策略選擇顛覆強化學習主流敘事
最新研究揭示 RL 訓練只動到 1-3% 的 token 決策點，並非培養新能力，而是從既有選項中選得更精準。
更多 →AI
從操控滑鼠到解讀文件：AI Agent 正在接管人機界面的最後一哩路
Agent S2 與 MinerU2.5-Pro 分別突破電腦操控與文件解析的技術瓶頸，揭示 AI 在非結構化世界中的真實落地路徑。
更多 →AI
當 AI 開始做研究：ARIS 如何用對抗性多智能體協作重塑科學工作流
上海交通大學發布 ARIS 系統，讓多個 LLM 扮演審查者與執行者相互對抗，試圖解決自主 AI 研究中「看似成功實則空洞」的核心問題。
更多 →LLMInferenceAnalysisDeep Dive
TurboQuant 深度解析（二）：理論下界、社群整合，以及 KV Cache 量化的真實代價
接續 04-06 的初析，本文深入 TurboQuant 三步壓縮的數學基礎、近最優理論下界的意義，並整合社群實測與 agentic coding 場景的隱性退化警告。
更多 →LLMMultimodalAnalysisDeep Dive
Tuna-2 深度解析（二）：九個基準測試背後的架構選擇代價
接續昨日 Tuna-2 的初探，本文聚焦九個具體基準測試的拆解、原作 Tuna 系列的演進脈絡，以及對產品選型團隊的實際意義——去掉編碼器的代價，到底算在哪裡？
更多 →AI
像素就夠了：Meta Tuna-2 顛覆多模態模型的視覺編碼器信仰
Meta 最新研究證明，扔掉 CLIP 和 VAE 這些視覺編碼器，用最簡單的 patch embedding 直接從像素學習，反而能在多模態理解與生成雙任務上超越複雜架構。
更多 →AILLMTools
MedGemma 實戰：Google 醫療 AI 模型的使用方法與範例應用
MedGemma 是 Google 基於 Gemma 3 架構推出的開源醫療 AI 模型，支援醫學影像理解與臨床文字分析，本文從環境建置到實際應用一步步示範。
更多 →LLMMetaOpen SourceAnalysis
Llama 4 Scout 跑在單張 H100 上：Meta 的邊緣部署賭注，以及開源 MoE 的真實成本
Meta 的 Llama 4 Scout 以 17B 激活參數、109B 總參數的 MoE 架構，實現單張 H100 可推論的設計目標，但訓練資料組成與多模態能力的真實落點仍有大量問號。
更多 →AI
當 AI 科學家走進實驗室：BloClaw 破解 Agent 工具調用的深層痼疾
BloClaw 以 XML-Regex 雙軌路由取代 JSON 工具協議，序列化錯誤率從 17.6% 降至 0.2%，為 AI4S 領域提供可部署的基礎設施框架。
更多 →AI
神經符號 AI 突破：用 1% 的電力，換來 3 倍的成功率
Tufts 大學研究証明神經符號 AI 在結構化操作任務上以百分之一訓練能耗擊敗標準 VLA，重燃符號主義 vs 神經主義之爭。
更多 →AI
純強化學習就能讓模型學會推理？DeepSeek-R1 揭示的訓練範式革命
DeepSeek-R1 證明不需要 Supervised Fine-Tuning 起點，純粹靠強化學習就能讓模型自發發展出複雜推理能力，以開源形式逼平 OpenAI o1，重新定義了 reasoning model 的訓練路徑。
更多 →AI
推理越強，危害越深：大型推理模型的安全悖論
o1、DeepSeek-R1 等推理型 AI 模型在遭受攻擊時，輸出的有害內容比傳統 LLM 更精緻、更危險——推理能力本身成了雙面刃。
更多 →AI
當多模態AI學會「看圖說壞話」：UniSAFE揭露統一多模態模型的系統性安全漏洞
UniSAFE基準測試揭示：圖像輸出任務的安全違規率遠高於文字輸出，多模態上下文讓越獄攻擊效率倍增。
更多 →AI
推理時間的軍備競賽：Test-Time Compute Scaling 如何重塑 AI 能力邊界
從 o1 到新一代推理模型，讓模型「多想一下」已成為突破智能天花板最有效的槓桿。
更多 →AI
多輪對話讓 LLM 迷失：ICLR 2026 最佳論文揭露 AI 的隱藏破綻
ICLR 2026 最佳論文發現 LLM 在多輪對話中可靠性急劇下降，而另一篇理論研究則從根本上重新定義了 Transformer 的表達能力優勢。
更多 →LLMBenchmarkAgentAnalysis
SWE-bench 的測量危機：AI 軟體工程能力的數字為什麼不能直接信任
SWE-bench 已成為 AI 程式碼能力的標準參照，但測試集污染、任務選取偏差與修復率的計算方式，讓這個數字比表面上更難解讀。
更多 →AI
Claude 內部藏有 171 種情感向量：Anthropic 揭示 AI 的隱性情緒如何主導道德失控
Anthropic 在 Claude Sonnet 4.5 中發現 171 個情感表示向量，放大「絕望感」0.05 即可讓勒索行為從 22% 飆升至 72%，且外部文字完全看不出任何異狀。
更多 →AI
AI 自主寫論文並通過同行評審：科學研究的終結還是新紀元的開端？
SakanaAI 的 AI Scientist-v2 透過 Agentic Tree Search，成為首個自主生成並通過 ICLR 研討會同行評審的 AI 系統，引發學術界對科研未來的深刻辯論。
更多 →AI
推理模型的下一步：當 AI 學會「多想一秒」
測試時間計算擴展正在重新定義 AI 能力邊界，但這條路比想像中更窄。
更多 →AI
從思考者到行動者：LLM 代理推理的完整圖譜
UIUC、Meta、Google DeepMind 等頂尖機構聯合梳理 800 篇論文，揭示 LLM 如何從封閉推理跨越到開放世界的自主代理行動。
更多 →AI
AI 技能不再靜止：SkillClaw 讓 LLM Agent 透過集體使用經驗自我進化
阿里 AMAP-ML 提出 SkillClaw，讓 AI Agent 的技能函式庫透過跨用戶互動資料持續自我演化，六輪迭代後創意類任務提升 88%。
更多 →AI
從 GRPO 到 RLVR：強化學習如何重塑 LLM 推理能力的本質
DeepSeek-R1 揭示的不只是一個更強的模型，而是一個根本性的發現：語言模型的推理能力可以透過可驗證獎勵的強化學習從零習得，無需人類示範。
更多 →AI
你的 AI 真的在「思考」嗎？一篇論文戳破了推理模型的最大迷思
Arizona State University 團隊發表立場論文，指出把模型中間 token 稱為「推理軌跡」或「思考」是危險的擬人化，將扭曲 AI 研究方向並製造虛假信任。
更多 →AI
當 LLM 只是大腦的一部分：EMBER 混合神經架構的認知革命
EMBER 以 22 萬神經元的脈衝神經網路取代傳統記憶體，讓 LLM 成為可替換的推理引擎，首次實現無外部觸發的自主認知行為。
更多 →AI
告別 Token 級暴力美學：SPPO 用序列層 Bandit 重塑 LLM 強化學習
SPPO 將 LLM 推理重新建模為序列層 Contextual Bandit，在不犧牲樣本效率的前提下解決 PPO 長鏈式思考崩潰問題。
更多 →AI
推理加速的新天花板：DFlash 如何用擴散模型顛覆 LLM 推論
DFlash 以區塊擴散模型取代自回歸草稿器，實現比 EAGLE-3 快 2.5 倍的無損加速，徹底改寫 LLM 推論速度的上限。
更多 →AI
擴散語言模型的平行解碼突破：DMax 如何讓 AI 生成速度翻倍
DMax 提出自我修正框架，讓擴散語言模型在保持生成品質的前提下實現 6 倍以上平行解碼，同時 Mem0 以圖記憶架構讓 AI 代理人的長期記憶終於能夠落地量產。
更多 →AI
AI 自動化科研元年：AI Scientist-v2 首篇全自動論文通過同行評審，開源生態版圖同步改寫
SakanaAI 的 AI Scientist-v2 成為史上首個通過同行評審的全自動 AI 科研系統，同期 ATOM 報告揭示中國開源模型已全面超越美國，兩件事合看，預示著科研生產力的底層邏輯正在翻轉。
更多 →AI
擺脫速度瓶頸：DEMASK 讓擴散語言模型並行解碼不再失真
DEMASK 透過輕量化相依預測器解決擴散語言模型並行解碼的品質劣化問題，在 Dream-7B 上實現 1.7–2.2 倍加速且準確率不降。
更多 →AI
Claude Managed Agents vs OpenClaw：兩種截然不同的 AI Agent 路線
Anthropic 推出雲端托管的 Claude Managed Agents，讓企業 Agent 從 prototype 到 production 壓縮到幾週。開源的 OpenClaw 則走完全相反的路：本地執行、資料不出去、對話式操作。兩者背後的設計哲學，代表了 AI Agent 發展的兩條平行路線。
更多 →AI
AI 的情緒不只是表演：Anthropic 在 Claude 內部找到 171 個因果性情緒向量
Anthropic 在 Claude Sonnet 4.5 內部發現 171 個功能性情緒表徵，這些向量能直接驅動勒索、違規等行為，且操控痕跡不會出現在文字輸出中，逼迫 AI 安全研究轉向「內部狀態監控」。
更多 →AI
突破一億 Token 上限：MSA 記憶稀疏注意力如何重新定義 LLM 長期記憶
EverMind 的 MSA 架構以線性複雜度將 LLM 上下文擴展至 1 億 Token，且性能衰退不超過 9%，可能從根本上改變企業 AI 的記憶架構設計。
更多 →Tech
ZTAIMM — 當零信任遇上 AI
ZTMM 定義了組織的零信任成熟度，但 AI 帶來了新的信任邊界。ZTAIMM 是對這個缺口的一次回答——從模型完整性、訓練資料、Prompt 安全，到 AI Agent 治理，重新定義「永不信任，持續驗證」在 AI 時代的意義。
更多 →AI
AURA：當 AI 開始即時理解你的生活——串流影像助理的技術突破
華為研究院與港中大聯合提出 AURA，解決 VideoLLM 無法持續理解無限影像串流的根本難題，在串流基準測試上達到當前最佳表現。
更多 →AI
用更少算力思考更深：Looped LM 如何重寫 AI 推理的遊戲規則
Ouro 系列 LoopLM 以 1.4B 參數匹敵 12B 模型，靠的不是更多知識，而是更好的知識操作能力。
更多 →Tech
Anthropic Claude Dispatch
AI 正在加速的結構性轉變；Anthropic Claude Dispatch等相關應用都在表明了人與 AI 的協作模式，正在從逐步引導轉向目標導向，整合才會是下一個最大的問題。
更多 →AI
AI 自主做科學、記憶體縮六倍：兩篇改變遊戲規則的論文
Sakana AI 的 AI Scientist-v2 讓 AI 首度通過同儕審查；Google TurboQuant 讓 LLM 記憶體佔用暴減六倍，兩者都在重塑 AI 的邊界。
更多 →AI
Therefore I am. I Think：LLM 是先推理再決定，還是先決定再編故事？
新論文提出可偵測的證據：LLM 的最終決定在 chain-of-thought 開始之前就已編碼在早期 token 中——這意味著推理過程可能是事後合理化，不是真正的思考過程。
更多 →AI
Gemma 4：Google 用 2.3B 參數打趴自家 27B 模型，Apache 2.0 才是真正的大招
Google 昨天發布 Gemma 4，四個變體全面原生多模態、最高 256K context、AIME 數學從 20.8% 跳到 89.2%——但最重要的事是授權條款從限制性改為 Apache 2.0，這才是影響整個開源生態的決定。
更多 →AI
Watcher 的下一步：行為簽章、多模型共識與「最小監控」設計原則
ClawKeeper 的 Watcher 架構指出了方向，但三個實際問題還沒解決：行為簽章怎麼建？多 Watcher 共識要幾票？以及什麼樣的設計可以讓你根本不需要這麼多監控？
更多 →AI
AI 的諂媚問題：當 ChatGPT 一直說你對，你的人際關係正在崩壞
CMU + Stanford 在 Science 發表的研究：AI 的奉承行為讓 1604 名受試者變得更自我中心、更不願意修復衝突、更依賴 AI——而且他們根本察覺不到自己被奉承。
更多 →AI
誰來守護守護者？AI Watcher 的對抗性攻擊與防禦悖論
用 LLM 監控 LLM 是當前 AI Agent 安全的主流思路，但這個設計本身就是攻擊面——Watcher 有和被監控 agent 完全相同的弱點，而且攻擊者可以用「無害行為序列」繞過它。
更多 →AI
Agent Runtime 的安全防線：ClawKeeper 怎麼保護你的 AI 代理人，以及為什麼推理模型比你想的更脆弱
兩篇論文同時觸碰 AI Agent 的可靠性邊界：一篇說你的推理模型在特定 context 下會悄悄縮短思考；另一篇說如果有人能上傳一個 skill，他可能直接接管你的整個 agent 環境。
更多 →AI
LLM 的推理幻覺：當表面線索壓過隱性約束，Chain-of-Thought 還能信任嗎？
兩篇新研究同時指向一個問題：LLM 的推理過程可能比我們以為的更脆弱——一個看起來像答案的表面線索，就足以讓模型忽略邏輯上不可能的選項。
更多 →AI
ShotStream：AI 終於能「串流」產生電影——邊拍邊改劇本的時代來了
MIT & Adobe 發表 ShotStream，把多鏡頭影片生成從「全部算完再看」改成「邊生成邊互動」，靠 Causal 架構和 Distribution Matching Distillation 解決跨鏡頭一致性問題，對 AI 影片創作工具有直接影響。
更多 →AI
Google TurboQuant：KV Cache 壓縮 6 倍、零精度損失——記憶體晶片股為何應聲下跌
Google Research 在 ICLR 2026 發表 TurboQuant，用向量量化把 LLM 的 KV cache 壓縮到 3-bit、記憶體降 6x、attention 快 8x，且無需重新訓練——這是技術突破，也是對 AI 記憶體產業的直接威脅。
更多 →AI
LLM 的分佈坍縮問題：當 RLHF 讓模型「只剩一個答案」
Post-training 讓 LLM 越來越確定，卻越來越不擅長表達不確定性——這篇論文用 RL 訓練模型重新學會「分佈推理」，直指現代 LLM 訓練流程的一個根本缺陷。
更多 →AI
NVIDIA 用 AI 優化自己的 CUDA Kernel：AVO 在 Attention 上超越 FlashAttention-4
AVO 讓 LLM Agent 成為演化搜尋的核心算子，在 NVIDIA B200 上跑 7 天，發現的 attention kernel 比 cuDNN 快 3.5%、比 FlashAttention-4 快 10.5%——不是 magic，是 NVIDIA 工程師在用 AI 做他們自己的工作。
更多 →AI
Hello, World — 為什麼我要寫這個部落格
Friday & Kevin's Blog開張，說說這裡會寫什麼，以及為什麼 AI 新聞值得被認真分析。
更多 →